我们正处于一个网络时代,网络已经成为了我们生活的一部分,海量的网络数据也随之产生,这吸引了很多学者加入到对网络数据的研究中来。很多统计模型被提出来去分析网络数据,其中带协变量的p0模型被提出用于分析具有度异质性和带协变量的简单有向网络（即网络中节点之间要么存在一条无权重边,要么没有边）。但是,带协变量的p0模型只能用于0-1变量数据,当应用于加权网络时,需要对加权边进行预处理,将其变为简单网络,从而造成信息损失。针对该问题,本文提出用泊松分布对加权有向网络进行建模,它可以用于研究网络的度异质性以及节点协变量引起的同质性。我们将它称为带协变量的有向网络泊松模型。本文提出的网络泊松模型包含稀疏参数μ,2n维的节点参数θ和固定维数的协变量的回归系数γ。我们主要研究上述参数极大似然估计量的渐近性质,研究结果包括:第一,当节点数n趋近于无穷时,我们证明了参数θ和γ的极大似然估计量θ和γ的相合性,即在一定条件下,依概率趋于1,θ和γ存在且满足:‖γ—γ*‖∞=op（1）,‖θ-θ*‖∞=op（1）.此外,如果θ存在,那么它必唯一。第二,在一定条件下,我们证明了极大似然估计量θ和γ渐近服从多元正态分布。第三,我们通过数值模拟验证了理论结果的合理性,并用本文提出的模型对实际数据进行了分析。